Qwen-Image-PE: Learning Visual Design for Text-to-Image Prompt Enhancement
Pubblicata su AIChronos il · fonte del · Zekai Zhang, Yanran Zhang, Shengming Yin, Yan Shu, Zhening Liu, Bingxuan Zhao (Qwen)
Il metodo Qwen-Image-PE introduce un approccio a due stadi per l'enhancement dei prompt (PE) nel text-to-image generation. La prima fase utilizza il Supervised Fine-Tuning con Caption-Based Reverse Distillation (CRD), mentre la seconda impiega Reinforcement Learning con Groupwise Design Reward (GDR). Questo framework migliora significativamente le dimensioni di design fine-grained come illuminazione e composizione, superando i baselines esistenti su modelli Qwen-Image. Gli esperimenti dimostrano che l'efficacia del PE scala con il volume dei dati, la dimensione del modello e la densità informativa.
- Qwen-Image-PE utilizza un training a due stadi: Supervised Fine-Tuning (CRD) seguito da Reinforcement Learning (GDR).
- Il metodo supera i baselines esistenti su Qwen-Image-Bench, con miglioramenti specifici in illuminazione e composizione.
- L'enhancement dei prompt scala efficacemente lungo tre assi: training data, model size e information density.
- Qwen-Image-PE generalizza a quattro backbone aggiuntivi di text-to-image generation diversi da Qwen.
- È stato dimostrato che la densità informativa è un prerequisito necessario per un enhancement efficace.
Perché conta. Per gli sviluppatori, questo approccio offre una via concreta per migliorare l'output visivo degli agenti AI e dei modelli locali senza sacrificare l'intento dell'utente. La capacità di scalare con la densità informativa permette di ottimizzare le risorse computazionali disponibili in scenari di inferenza locale.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.